[论文解读] Data-driven Approach to Measuring the Level of Press Freedom Using Media Attention Diversity from Unfiltered News

Jisun An, Haewoon Kwak|arXiv (Cornell University)|Apr 5, 2017

Media Influence and Politics被引用 6

一句话总结

本文提出一种数据驱动的方法，通过分析来自未过滤全球新闻数据的媒体关注多样性来衡量新闻自由。通过对196个国家的媒体报道主题多样性进行分析，研究发现媒体关注多样性与新闻自由指数（PFI）具有强预测能力，优于传统的国家指标如GDP和人口规模。

ABSTRACT

Published by Reporters Without Borders every year, the Press Freedom Index (PFI) reflects the fear and tension in the newsroom pushed by the government and private sectors. While the PFI is invaluable in monitoring media environments worldwide, the current survey-based method has inherent limitations to updates in terms of cost and time. In this work, we introduce an alternative way to measure the level of press freedom using media attention diversity compiled from Unfiltered News.

研究动机与目标

• 开发一种可扩展的、实时的替代方案，以取代成本高、更新慢的基于调查的新闻自由指数（PFI）。
• 探究基于大规模在线新闻数据测量的媒体关注多样性是否可作为新闻自由的可靠代理指标。
• 验证媒体关注多样性相对于GDP、人口和失业率等既定国家层面属性的解释力。
• 通过利用实时新闻数据而非周期性调查，实现对新闻自由的持续监测。

提出的方法

• 收集了2016年3月7日至10月9日期间，来自196个国家的Unfiltered News每日提及频率最高的100个新闻主题。
• 将媒体关注多样性定义为各国主题分布的熵，使用香农熵公式计算：$ H = -\sum_{i=1}^{k} p_i \log p_i $，其中$ p_i $为第$ i $个主题的报道占比。
• 筛选数据，仅保留所有日期均具备完整前-k个主题列表的国家，最终获得100个国家的清洁数据集。
• 应用分层混合效应回归模型，分析媒体关注多样性与新闻自由指数（PFI）之间的关系，同时控制国家属性。
• 在多元回归模型中，使用对数变换后的媒体关注多样性、人均GDP、人口规模和失业率作为预测变量。
• 通过边际R平方、条件R平方、AIC、BIC和对数似然值评估模型性能，显著性通过p值判断。

实验结果

研究问题

• RQ1 来自未过滤全球新闻数据的媒体关注多样性能否作为新闻自由的可靠代理指标？
• RQ2 媒体关注多样性相对于传统国家指标（如人均GDP和人口规模）的解释力如何？
• RQ3 在控制经济和人口因素后，媒体关注多样性是否仍为新闻自由的显著预测因子？
• RQ4 基于实时新闻数据的数据驱动方法能否提供一种比年度调查式新闻自由指数更快、更具可扩展性的替代方案？

主要发现

• 仅媒体关注多样性即可解释新闻自由指数（PFI）41.81%的方差，优于仅使用国家属性的模型（R平方为28.42%）。
• 媒体关注多样性每增加1%，PFI下降0.3508个单位，表明更高的多样性与更好的新闻自由相关。
• 包含媒体关注多样性与国家属性的完整模型可解释PFI 53.67%的方差，其中媒体关注多样性、人均GDP和失业率均具有统计显著性。
• 在控制人均GDP和人口规模后，媒体关注多样性仍为强预测因子，完整模型中其系数为-32.81（p < 0.001）。
• 在未包含媒体关注多样性的模型中，人口规模具有显著性，但当引入媒体关注多样性后，其显著性消失，表明人口规模被多样性指标所涵盖。
• 在完整模型中，失业率与PFI呈微弱负相关（系数 = -0.54，p < 0.05），表明失业率越低，新闻自由略差，但这一关系可能反映了复杂的区域动态。